| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 1 绪论 | 第8-14页 |
| 1.1 研究背景 | 第8页 |
| 1.2 研究意义 | 第8-9页 |
| 1.3 国内外研究现状 | 第9-12页 |
| 1.3.1 入侵检测研究现状 | 第9-10页 |
| 1.3.2 支持向量机研究现状 | 第10-12页 |
| 1.4 研究内容和目标 | 第12页 |
| 1.5 论文组织架构 | 第12-14页 |
| 2 基础理论概述 | 第14-31页 |
| 2.1 入侵检测 | 第14-17页 |
| 2.1.1 入侵检测概述 | 第14页 |
| 2.1.2 入侵检测分类 | 第14-17页 |
| 2.2 支持向量机 | 第17-22页 |
| 2.2.1 支持向量机概述 | 第17-18页 |
| 2.2.2 支持向量机的基本原理 | 第18-20页 |
| 2.2.3 支持向量机核函数参数 | 第20-21页 |
| 2.2.4 支持向量机参数的评价 | 第21-22页 |
| 2.3 特征分析技术 | 第22-25页 |
| 2.3.1 特征选择 | 第22-23页 |
| 2.3.2 特征选择的分类 | 第23-24页 |
| 2.3.3 特征选择的常用方法 | 第24-25页 |
| 2.4 多元宇宙优化算法 | 第25-30页 |
| 2.4.1 多元宇宙优化算法研究现状 | 第25-26页 |
| 2.4.2 多元宇宙优化算法简介 | 第26-29页 |
| 2.4.3 多元宇宙优化算法的特点 | 第29-30页 |
| 2.5 本章小结 | 第30-31页 |
| 3 多元宇宙优化算法的改进 | 第31-37页 |
| 3.1 混沌理论 | 第31-32页 |
| 3.2 混沌多元宇宙优化算法 | 第32-35页 |
| 3.2.1 初始宇宙的设计 | 第32页 |
| 3.2.2 跳出算法局部最优的改进 | 第32-33页 |
| 3.2.3 混沌多元宇宙优化算法的设计 | 第33-34页 |
| 3.2.4 对混沌多元宇宙优化算法的评价 | 第34-35页 |
| 3.3 本章小结 | 第35-37页 |
| 4 基于CMVO-SVM的入侵检测模型 | 第37-50页 |
| 4.1 入侵检测通用架构 | 第37-38页 |
| 4.2 基于SVM入侵检测方法的可行性 | 第38-39页 |
| 4.3 UNSW-NB15数据集 | 第39-43页 |
| 4.3.1 当前网络入侵检测数据集的比较 | 第39-40页 |
| 4.3.2 UNSW-NB15数据集的介绍 | 第40-43页 |
| 4.4 数据预处理 | 第43-46页 |
| 4.4.1 数据的整理与属性值的替换 | 第43-44页 |
| 4.4.2 数据归一化 | 第44-46页 |
| 4.5 基于CMVO分类模型的设计和实现 | 第46-49页 |
| 4.5.1 基于CMVO-SVM的入侵检测模块的整体设计 | 第46-47页 |
| 4.5.2 CMVO-SVM的特征选取和参数优化的具体实现 | 第47-49页 |
| 4.6 本章小结 | 第49-50页 |
| 5 实验测试与分析 | 第50-56页 |
| 5.1 模型性能评价标准 | 第50页 |
| 5.2 实验结果分析 | 第50-55页 |
| 5.2.1 测试环境 | 第50页 |
| 5.2.2 实验结果及分析 | 第50-55页 |
| 5.3 本章小结 | 第55-56页 |
| 6 总结与展望 | 第56-58页 |
| 6.1 工作总结 | 第56页 |
| 6.2 工作展望 | 第56-58页 |
| 参考文献 | 第58-61页 |
| 致谢 | 第61-62页 |
| 攻读学位期间的发表的学术论文目录 | 第62-63页 |